Makine öğrenmesi tekniklerini kullanarak türkçe metinlerden düşünce çıkarımı ve duygu belirleme

Abstract

Bu çalışma, Türkçe kullanımı ile psikolojik durumlar arasındaki ilişkiyi incelemektedir. Kullanılan Türkçe metinler yetişkinlerde depresyon, mani ve sağlıklı kişilerden, çocuklarda depresyon ve Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) olan ve sağlıklı kişilerden toplanmıştır. Metinlerin analizinde çeşitli özellik çıkarım metotları denenerek en iyi sonuca ulaşılmaya çalışılmıştır. Özellik çıkarımı yöntemleri en genelde iki türden oluşmaktadır. Liste yöntemi ve Tekli yöntemdir. Liste yönteminde ayrıştırıcı etkisi olan kelimeler/kategoriler listelerde toplanmıştır. Tekli yöntemde ise kelimeler/kategoriler tek tek özellik olarak alınmıştır. Alt yöntemler ise 8 liste, 4 tekli ve 8 karma yöntemden oluşmaktadır. Özellikler morfolojik analizlerin sonuçları kullanılarak elde edilir. Metinlerin morfolojik analizleri, morfolojik analiz programı ile yapılmaktadır. Weka adlı başka bir programda Makine Öğrenmesi teknikleri kullanılarak sınıflandırma yöntemleri ile analiz yapılır. Tanı konulan kişilerin sözcük kullanımındaki farklılıkları belirlemek için bir uygulama geliştirilmiştir. Bu sistemde metin girilmesi sağlanarak kişinin ruhsal durumunu belirlemeye ilişkin ilk bulgular elde edilmiştir. Bu bulgular, Türkçede kelime kullanımının, insanların psikolojik durumları hakkında ipucu verdiğini göstermiştir. Bu çalışma psikiyatristler için teşhis koyma aracı bir uygulama programının ilk adımlarıdır.

This study examines the relationship between the use of Turkish and psychological states. The Turkish texts used were collected from depression, mania and healthy people in adults, depression and Attention Deficit Hyperactivity Disorder (ADHD) in children and healthy people. In analyzing the texts, various feature extraction methods have been tried to reach the best result. Feature extraction methods most commonly consist of two types. List method and Single method. In the List method, distinctive words/categories are collected in the lists. In the Single method, words/categories are taken as individual features. The sub-methods consist of 8 lists, 4 singles and 8 mixed methods. Features are obtained using the results of morphological analyzes. Morphological analysis of texts is done by morphological analysis program. In another program called Weka, analysis is done by classification methods using Machine Learning techniques. An application has been developed to identify differences in the word usage of diagnosed persons. The results of this application show that the use of vocabulary in Turkish gives clues about the psychological state of people. This study is the first step of an application program for the psychiatrist.